为什么产生缓存一致性问题
在使用Redis等缓存中间件的时候，一定会遇到一个问题就是缓存一致性的问题（面试只要提到缓存也是必问的）。所谓缓存一致性问题就是，当某一个线程在做缓存与数据库的更新操作时，这两步操作一定是分开进行的，所以就会出现缓存与数据库的数据出现短暂的不一致，进而可能会造成其他线程读取数据不一致的问题。
更新缓存与数据库的可能策略
（1）先修改缓存，再修改数据库：这种方式乍一看，好像没啥问题，修改了缓存就可以保证其他线程也能够读取到最新数据，但是最重要的问题是，如果在第二步更新数据时，出现异常导致数据更新失败的话，缓存与数据库会出现严重的不一致，而且错误数据是在数据库上的，这是不可接受的，因为数据库数据是最后的底线，绝对不能让数据库数据出现脏数据（redis可没有事务回滚机制，数据库数据更新失败会事务回滚，但redis只要执行成功，就不会回滚，再加上假如该缓存数据设置有过期时间，一旦缓存过期或者由于某种原因数据丢失了，再去数据库中查询得到的一定是错误的旧数据了，所以这种方案一定排除）。
（2）先修改数据库，再修改缓存：这种方式的缺点就比较明显了，先修改数据库，就会导致从开始更新数据库到缓存更新成功之前这段时间内（或者缓存更新失败了），其他线程从缓存中读取到的都是旧数据，也即是脏数据。
（3）先删除缓存，再更新数据库：先删除缓存，然后更新数据库，其他线程读取的时候也会感知到缓存数据不存在了，就去数据库中查询，然后更新到缓存中。这种方式同样有个问题，在删除缓存后，到更新数据库成功之前这段时间，其他线程如果查询并重新将数据库中的数据加载到了缓存中，那么缓存中的数据还是旧数据，仅仅只是更新了数据库中的数据而已。
（4）先更新数据库，再删除缓存：很明显的，在更新数据库成功到删除缓存成功这段时间内，其他线程仍然只能读取到旧数据。而且还有另一个比较极端情况下的并发问题：假设这会有两个请求，一个请求A做查询操作，一个请求B做更新操作，那么会有如下情形产生
- 缓存刚好失效
- 请求A查询数据库，得一个旧值
- 请求B将新值写入数据库
- 请求B删除缓存
- 请求A将查到的旧值写入缓存
但是，这种情况太极端，所以大多数都会采用第4种策略进行缓存更新。
缓存一致性问题解决方案（个人思考）
上面的第4种方案虽然可行，但是高并发下肯定还是会出现问题的，所以在第四种方案的基础上还可以稍加改进。首先想到的就是分布式锁，遇事不决先上锁，并发问题统一解决方案。当然，纯属开玩笑，如果加上分布式锁，就变成了串行执行，那还要缓存有何意义，串行执行数据库都顶得住了，这样搞完全不考虑系统吞吐量的。
但改进一下，分布式锁采用读写锁模式，只有读请求可以并发，单对于写请求独占，这个可以有，系统吞吐量倒也大大提升，毕竟读请求远多于写请求，尤其以电商网站的商品信息这块为例，而且实现起来代码难度不大。可以使用通过Zookeeper实现的分布式锁方案，对于读写锁有着良好的实现，可以直接使用。第四种方案搭配分布式读写锁的方式，也得考虑一些东西，比如第二步缓存删除失败怎么办？是重试还是记录日志，还是采用异步执行，这些则是要结合具体业务对于数据的要求有多高来决定。
当然，加锁肯定是会影响性能和系统吞吐量的的，但数据一致性得到了保证，所以，如果业务对于数据一致性和实时性要求不高的话，实现的方案其实还是蛮多的，比如直接使用第四种方案即可，只需要可以保证数据最终一致性即可。
在网上还看到另一种方法是通过队列来序列化所有读写操作，方案如下：
比如说对于某一个商品信息的读写操作，为这个商品创建一个队列，凡是遇到写请求，则将写请求放入队列中，由队列对写请求统一管理，写请求处理成功，则从队列中删除。当有一个读请求过来时，到队列查询，是否有对应的写请求，如果有则放入队列中，等待写请求执行完之后再执行读请求。为防止某个请求阻塞情况，为其设置超时机制或者过期机制。
实际上这种方式也就是串行化操作，但这种方式我上面已经说了，系统吞吐量不想要了才这么干。而且都思考到这一步了，为什么想不到采用分布式锁的读写模式呢？这种方案虽可行，但是倘若访问量大，处理器来不及处理，队列内的请求数量越来越高，则会影响查询效率。出现这种情况，就要加机器集群执行，帮忙分担压力。更重要的是代码实现难度高且复杂。
